大数据时代，“未来战警”应该长什么样？

“老和山极客”团队用大数据开发了一套智能警务系统，看看数据侠们心中的“未来战警”是什么模样。

“未来战警”：一个智能警务平台

说起“未来战警”，脑海中首先浮现的是浑身钢筋铁骨，拿着高科技装备威风凛凛的的模样。不过这种设定显然观赏性大于实用性，对于解决真正的城市犯罪问题，还是得真正的数据侠出马。

在“老和山极客”团队眼里，“未来战警”不是个体，而是一个基于先进算法的人工智能平台，通过自然语言处理、机器学习等方法建立起犯罪预控预与调配机制。这样一个智能平台，被叫做“云沪卫”。

下图是云沪卫展示的警力调度图，你们可以先感受一下：

 

 

(图片来源：老和山极客)

在开发时，“老和山极客”团队主要使用了SODA开放的犯罪数据、派出所数据等资源，此外他们还融合了百度API的地理信息数据、上海天气数据、交通卡数据、网络舆情数据等，打造了一个基于数据挖掘和机器学习技术，通过自学习实现犯罪监控、热点预测和警力调配的智能警务系统。

“老和山极客”团队觉得，在大数据时代，智能警务系统对改善城市治安有巨大作用。实际上，在美国已经出现了如Predpol等智能警务系统，它们能够帮助警察预测犯罪、智能调配警力等，帮助一些地区的抢劫犯罪率和入室盗窃犯罪率降低了15%到30%，还减少了日常的巡逻开支。

不过，中国的警务系统与国外有较大差异，云沪卫这个平台又是如何适应中国国情的呢?

“定制”词库深度学习，计算犯罪热度

基于自然语言处理的文本分析技术，是“老和山极客”处理中国警务数据的核心方法之一。

要搭建这个云沪卫平台，首先要收集犯罪记录，计算犯罪事件发生的“热度”。原始的派出所出警日志数据数量庞大，而且具有重复性、事件并发性与语言模糊性的特点，很难让机器去识别他们。

于是，与很多使用自然语言处理技术的团队相似，“老和山极客”也是先将文本转化成向量，再利用半监督学习的方法对文本进行分词和聚类。

 

 

(图片来源：老和山极客)

在机器学习阶段，由于网络上目前没有中文犯罪信息词库，“老和山极客”团队邀请了一些业内专家，亲自来标定了训练文本词库。在复赛阶段，他们标定了8万条训练样本;决赛阶段，他们添加了新的微博数据，把训练量扩大到了十倍，达到80万条文本。充足的样本数据能够极大优化机器学习的精度。结果表明，9类犯罪事件中，6类事件的分类准确率都在95%以上，其余3类也超过了85%。

接下来，团队根据类型对每一次的案件进行了量化打分，然后对每个派出所每个时段的分数进行统计求和，计算出犯罪热度。

核心算法帮助制作犯罪预测地图

要实现对犯罪热点的预测，仅有犯罪热度的数据显然是不够的，“老和山极客”团队还采集了包括：日期属性、区域属性、时间段、交通、人流、摄像头数据、天气、历史数据等9个特性信息，精准描述犯罪事件的各个维度。

团队采用了GBDT (Gradient Boosting Decision Tree)算法作为预测犯罪热点的算法原型。GBDT又叫 MART(Multiple Additive Regression Tree)，是一种迭代的决策树算法。该算法由多棵决策树组成，所有树的结论累加起来做最终答案。近年来，GBDT算法在预测类比赛中凭借优异的性能表现突出，常用来做预测、分类等工作，也适用于类别特征较多的样本。

云沪卫将之前搜集到的9个特征纳入GBDT算法进行统计学习，得到了预测模型。

下图展示的就是一个模拟的实时上海犯罪热点预测图：

 

 

(图片来源：老和山极客)

虽然目前已经开发出了测试版原型，但是如果要真正应用这套警务系统，“老和山极客”团队坦言，还需要更多真实的数据。如果接下来继续有实时数据的支撑，搜集到的数据就能够被系统自动分析纳入预测模型中，不断优化调整预测结果，实现对实时犯罪热点的预测。

“警务数据是非常敏感的数据信息，如果使用不当，甚至会造成很严重的安全后果。”“老和山极客”队长宣羿表示，对于这类敏感数据的安全问题，在创造价值的同时，也需要警方、政府等官方机构用更完善的标准来衡量把控。

接下来，云沪卫希望能和警方等政府部门合作，在保证数据安全的情况下，使用更真实、完整的数据对平台进行优化改进。另一方面，他们还会再平台上开通舆情监控、举报监控等功能，让普通民众也参与到城市安全的建设中去，加强警民联动，打造一个真正的“未来战警”。